$E^{3}$Gen：高效、表达丰富且可编辑的人物生成
原文中文，约400字，阅读约需1分钟。发表于：。介绍了一种名为 $E^3$Gen 的新型头像生成方法，采用 3D 高斯函数，将其编码到由 SMPL-X 参数模型定义的结构化 2D UV 空间上，实现了头像生成和全身姿势的控制和编辑。
GaussianAvatar是一种高效的方法，可以从单个视频中创建具有动态3D外观的逼真人类化身。该方法通过引入可动画化的3D高斯函数来表示各种姿势和服装风格的人类，更有效地融合2D观察中的3D外观，并解决了单眼设置中的运动估计问题。验证了GaussianAvatar在公共数据集和收集数据集上的有效性。
